Predictive Breakdown Approach Based on Event Logs in the Automotive Industry
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista de Engenharia e Pesquisa Aplicada |
Texto Completo: | http://revistas.poli.br/index.php/repa/article/view/2460 |
Resumo: | Nas últimas décadas, a indústria automobilística vem experimentando diversas e significativas mudanças. A Indústria 4.0 surge neste contexto aspirando a um alto nível de conectividade ao longo de todo o ciclo de vida do produto, exigindo cada vez mais tecnologias de controles de dados, permitindo o desenvolvimento da manutenção preditiva. O presente trabalho focaliza na abordagem da manutenção preditiva estatística, através da análise de logs de falhas de um grupo específico e semelhante de máquinas, tendo como objetivo o desenvolvimento de um modelo preditivo de quebras. A abordagem de aprendizado de máquina foi escolhida devido à sua capacidade de previsão de variáveis-saída a partir de dados históricos como entrada. Nossos dados foram coletados ao longo de vários anos de 400 robôs de um grande fabricante desses tipos de braços robotizados. Por fim foi obtida uma configuração final do modelo através da aplicação de uma rede neural artificial. |
id |
UFPE-2_35d1edfef06ca3782a224afdf697d413 |
---|---|
oai_identifier_str |
oai:ojs.poli.br:article/2460 |
network_acronym_str |
UFPE-2 |
network_name_str |
Revista de Engenharia e Pesquisa Aplicada |
repository_id_str |
|
spelling |
Predictive Breakdown Approach Based on Event Logs in the Automotive IndustryAbordagem Preditiva de Quebras Baseada em Logs de Eventos na Indústria AutomotivaNas últimas décadas, a indústria automobilística vem experimentando diversas e significativas mudanças. A Indústria 4.0 surge neste contexto aspirando a um alto nível de conectividade ao longo de todo o ciclo de vida do produto, exigindo cada vez mais tecnologias de controles de dados, permitindo o desenvolvimento da manutenção preditiva. O presente trabalho focaliza na abordagem da manutenção preditiva estatística, através da análise de logs de falhas de um grupo específico e semelhante de máquinas, tendo como objetivo o desenvolvimento de um modelo preditivo de quebras. A abordagem de aprendizado de máquina foi escolhida devido à sua capacidade de previsão de variáveis-saída a partir de dados históricos como entrada. Nossos dados foram coletados ao longo de vários anos de 400 robôs de um grande fabricante desses tipos de braços robotizados. Por fim foi obtida uma configuração final do modelo através da aplicação de uma rede neural artificial.Nas últimas décadas, a indústria automobilística vem experimentando diversas e significativas mudanças. A Indústria 4.0 surge neste contexto aspirando a um alto nível de conectividade ao longo de todo o ciclo de vida do produto, exigindo cada vez mais tecnologias de controles de dados, permitindo o desenvolvimento da manutenção preditiva. O presente trabalho focaliza na abordagem da manutenção preditiva estatística, através da análise de logs de falhas de um grupo específico e semelhante de máquinas, tendo como objetivo o desenvolvimento de um modelo preditivo de quebras. A abordagem de aprendizado de máquina foi escolhida devido à sua capacidade de previsão de variáveis-saída a partir de dados históricos como entrada. Nossos dados foram coletados ao longo de vários anos de 400 robôs de um grande fabricante desses tipos de braços robotizados. Por fim foi obtida uma configuração final do modelo através da aplicação de uma rede neural artificial.Escola Politécnica de Pernambuco2022-11-30info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdftext/htmlhttp://revistas.poli.br/index.php/repa/article/view/246010.25286/repa.v7i3.2460Journal of Engineering and Applied Research; Vol 7 No 3 (2022): Edição Especial em Ciência de Dados e Analytics; 54-63Revista de Engenharia e Pesquisa Aplicada; v. 7 n. 3 (2022): Edição Especial em Ciência de Dados e Analytics; 54-632525-425110.25286/repa.v7i3reponame:Revista de Engenharia e Pesquisa Aplicadainstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEporhttp://revistas.poli.br/index.php/repa/article/view/2460/848http://revistas.poli.br/index.php/repa/article/view/2460/849Copyright (c) 2022 Thiago Domingos Lemos, Luiz Augusto Zelaquett de Souzahttp://creativecommons.org/licenses/by-nc/4.0info:eu-repo/semantics/openAccessLemos, Thiago Domingosde Souza, Luiz Augusto Zelaquett2022-11-30T23:03:18Zoai:ojs.poli.br:article/2460Revistahttp://revistas.poli.br/index.php/repaONGhttp://revistas.poli.br/index.php/repa/oai||repa@poli.br2525-42512525-4251opendoar:2022-11-30T23:03:18Revista de Engenharia e Pesquisa Aplicada - Universidade Federal de Pernambuco (UFPE)false |
dc.title.none.fl_str_mv |
Predictive Breakdown Approach Based on Event Logs in the Automotive Industry Abordagem Preditiva de Quebras Baseada em Logs de Eventos na Indústria Automotiva |
title |
Predictive Breakdown Approach Based on Event Logs in the Automotive Industry |
spellingShingle |
Predictive Breakdown Approach Based on Event Logs in the Automotive Industry Lemos, Thiago Domingos |
title_short |
Predictive Breakdown Approach Based on Event Logs in the Automotive Industry |
title_full |
Predictive Breakdown Approach Based on Event Logs in the Automotive Industry |
title_fullStr |
Predictive Breakdown Approach Based on Event Logs in the Automotive Industry |
title_full_unstemmed |
Predictive Breakdown Approach Based on Event Logs in the Automotive Industry |
title_sort |
Predictive Breakdown Approach Based on Event Logs in the Automotive Industry |
author |
Lemos, Thiago Domingos |
author_facet |
Lemos, Thiago Domingos de Souza, Luiz Augusto Zelaquett |
author_role |
author |
author2 |
de Souza, Luiz Augusto Zelaquett |
author2_role |
author |
dc.contributor.author.fl_str_mv |
Lemos, Thiago Domingos de Souza, Luiz Augusto Zelaquett |
description |
Nas últimas décadas, a indústria automobilística vem experimentando diversas e significativas mudanças. A Indústria 4.0 surge neste contexto aspirando a um alto nível de conectividade ao longo de todo o ciclo de vida do produto, exigindo cada vez mais tecnologias de controles de dados, permitindo o desenvolvimento da manutenção preditiva. O presente trabalho focaliza na abordagem da manutenção preditiva estatística, através da análise de logs de falhas de um grupo específico e semelhante de máquinas, tendo como objetivo o desenvolvimento de um modelo preditivo de quebras. A abordagem de aprendizado de máquina foi escolhida devido à sua capacidade de previsão de variáveis-saída a partir de dados históricos como entrada. Nossos dados foram coletados ao longo de vários anos de 400 robôs de um grande fabricante desses tipos de braços robotizados. Por fim foi obtida uma configuração final do modelo através da aplicação de uma rede neural artificial. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-11-30 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://revistas.poli.br/index.php/repa/article/view/2460 10.25286/repa.v7i3.2460 |
url |
http://revistas.poli.br/index.php/repa/article/view/2460 |
identifier_str_mv |
10.25286/repa.v7i3.2460 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
http://revistas.poli.br/index.php/repa/article/view/2460/848 http://revistas.poli.br/index.php/repa/article/view/2460/849 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2022 Thiago Domingos Lemos, Luiz Augusto Zelaquett de Souza http://creativecommons.org/licenses/by-nc/4.0 info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2022 Thiago Domingos Lemos, Luiz Augusto Zelaquett de Souza http://creativecommons.org/licenses/by-nc/4.0 |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf text/html |
dc.publisher.none.fl_str_mv |
Escola Politécnica de Pernambuco |
publisher.none.fl_str_mv |
Escola Politécnica de Pernambuco |
dc.source.none.fl_str_mv |
Journal of Engineering and Applied Research; Vol 7 No 3 (2022): Edição Especial em Ciência de Dados e Analytics; 54-63 Revista de Engenharia e Pesquisa Aplicada; v. 7 n. 3 (2022): Edição Especial em Ciência de Dados e Analytics; 54-63 2525-4251 10.25286/repa.v7i3 reponame:Revista de Engenharia e Pesquisa Aplicada instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Revista de Engenharia e Pesquisa Aplicada |
collection |
Revista de Engenharia e Pesquisa Aplicada |
repository.name.fl_str_mv |
Revista de Engenharia e Pesquisa Aplicada - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
||repa@poli.br |
_version_ |
1798036000481476608 |